Fay数字人QA功能详解
Fay项目为数字人交互提供了两套互补能力：大模型（LLM）用于生成开放式回答，QA功能则负责匹配预设回答、执行简单指令并解答人设相关问题。当用户提问时，系统会优先调用内置的 QA 服务；仅当无法命中 QA 时才转而使用大模型，从而减少无关回答并提升稳定性。本文将深入解析 Fay 中 QA 功能的结构、实现逻辑以及如何扩展定制。
QA 功能的三大类别
core/qa_service.py 定义了 QAService 类，用于根据用户输入返回预设答案或执行命令。构造函数中包含了两组关键字列表：
-
人设提问关键字
attribute_keyword：用于回答数字人的姓名、性别、年龄、家乡、生肖、星座、职业、爱好和联系方式等问题GitHub。例如，如果用户问“你叫什么名字”，系统会认为该问题属于“name”类。 -
命令关键字
command_keyword：用于识别控制指令，如关闭、静音、取消静音和换声音GitHub。这些指令会触发相应的系统行为，例如停止输出或切换音色。
QAService 还支持读取自定义问答库。当 question 方法的 query_type 为 'qa' 时，系统会从配置文件指定的 CSV 中加载问答对GitHub。CSV 第一列可以包含多个问题（用分号分隔），第二列为对应回答，第三列可选，用于存放动作命令。如此，用户的问题若匹配 CSV 中的问句即可得到指定回答或触发操作。
此外，question 支持两种特殊模式：
-
'Persona'模式：使用attribute_keyword列表匹配问题，返回关键字（如name、gender等）GitHub。后续模块会从config.json的attribute字段中读取对应属性值，例如名字为 Fay、年龄为“成年”、星座为水瓶座等。 -
'command'模式：利用command_keyword判断用户是否发送了控制指令GitHub。若匹配到命令，系统会执行预定义的 shell 操作（如静音），并返回命令关键字。
QAService 默认使用 'qa' 类型，具体类别由调用方决定。在 Fay 核心逻辑中，通过 'qa' 模式先匹配常用问答；再根据需要扩展人设或命令模式。
Fuzzy 匹配逻辑与候选选择
匹配算法位于 __get_keyword 方法。该函数遍历给定的关键字列表，利用 difflib.SequenceMatcher 计算相似度GitHub。若文本包含完整关键词，则额外增加 0.3 的相似度分，以提高匹配优先级GitHub。只有当相似度超过阈值 0.6 时，该候选才会被纳入选集GitHub。
匹配完成后，候选列表按相似度排序，保留前 10%（至少一个）GitHub。系统从这些候选中随机挑选一个答案和动作GitHub。这种策略避免了硬编码顺序的机械感，使数字人的回答更自然。
当 query_type 为 'qa' 且候选包含动作时，question 会新建线程执行该动作GitHub。例如在 CSV 中配置第三列为 say 等命令，可以让数字人在回答的同时触发外部脚本。
QA 数据源与配置
Fay 允许自定义问答对。config.json 中 interact.QnA 字段指定了 CSV 文件的名称或路径GitHub。qa_service.__read_qna 会逐行读取此文件，将每行拆分为 [问题集合, 答案, 动作] 形式GitHub。若用户问题与其中某个问题的相似度超过阈值，则返回对应回答或执行动作。
若希望动态扩展问答对，Fay 提供了采纳接口：/api/adopt-msg。在管理界面中选中用户提问和机器人回答后，可以将该对话写入 CSV。该接口会调用 record_qapair 方法，将问题与答案追加到 CSV 文件末尾GitHubGitHub。若配置文件未指定 QnA 路径，采纳请求将返回错误提示GitHub。通过这种方式，运营人员可以迭代构建企业知识库，使数字人回答更加贴合业务需求。
Fay 核心对 QA 的调用流程
当 Fay 收到语音或文字交互请求时，核心逻辑（FeiFei.__process_interact）首先调用 __get_answer 方法，尝试从 QAService 获取答案GitHub。如果返回的 answer 不为空且类型为 'qa'，则认定命中了 QA，直接将该答案交给流式播报模块 __process_stream_output，数字人会按短句播报回答GitHub。如果没有命中 QA，则进入大语言模型推理流程，并在思考阶段向用户提示“思考中...”GitHub。此时，Fay 会调用 LLM 生成回答，再由后续流程进行语音合成和表情同步。
Fay 的消息交互模式包括两类：
-
互动模式（
interact_type = 1）：用户发起提问。系统首先记录并广播用户内容，然后判断是否匹配 QA。若命中 QA，则直接播报预设答案；否则调用大模型回答GitHub。 -
透传模式（
interact_type = 2）：用于通知播报。若包含音频链接则仅播放音频，否则将文本分句播报GitHub。透传模式不参与 QA 匹配。
人设与命令问答
除了企业自定义问答外，Fay 还内置了“人设”问答与“命令”问答：
-
人设问答：当
query_type为'Persona'时，QAService使用attribute_keyword找到匹配类别GitHub。例如，问“你多大了”，系统会返回'age'。随后，调用代码会从config.json的attribute部分获取具体值（如年龄为“成年”），并将其作为最终回答。通过修改配置，可快速更换数字人的个人设定而无需改动代码。 -
命令问答：命令关键词如“关闭”、“静音”等被映射为
stop、mute、unmute和changeVoiceGitHub。当匹配成功时，question返回指令关键字并可能附带动作。Fay 内部会根据指令改变播放状态或切换声音，从而实现用户对数字人的基本控制。
这些人设和命令的匹配逻辑与普通 QA 完全一致，都是通过字符串相似度和阈值筛选候选答案，只是词典不同。
如何扩展和优化 QA 功能
-
配置自定义知识库：把常见问答对写入 CSV，每行格式为
问题1;问题2,答案,动作(可省略)。在config.json中指定interact.QnA文件名。系统会自动读取并匹配答案。建议针对企业场景将问题语句多样化，提升匹配成功率。 -
通过采纳功能完善 QA：使用
/api/adopt-msg接口采纳对话，将实际用户提问和回答纳入知识库GitHub。这样能不断丰富 QA 数据，并减轻运营维护负担。 -
调整相似度阈值：默认阈值 0.6，完全包含关键字可加 0.3。可在代码中修改
threshold以适配更宽或更严的匹配需求GitHub。 -
利用动作功能实现复杂流程：在 CSV 的第三列写入系统命令或脚本，
QAService将异步执行这些动作GitHub。例如，当用户咨询“预定会议室”，可以在动作列调用后台接口处理预约并返回结果。 -
多语言支持：当前匹配逻辑基于中文关键字。若需支持多语言，可在 CSV 中添加不同语言的问句或扩展
attribute_keyword与command_keyword列表。
总结
Fay 的 QA 功能为数字人提供了稳定的“知识问答”能力，它通过三种类别的关键字匹配实现快速响应、个人设定和指令控制。QAService 既能读取自定义问答库，利用模糊匹配返回答案并执行动作，也能回答数字人的基础信息和接收用户的命令。核心逻辑在交互层判断是否命中 QA，未命中时才调用大模型，大幅提升了回答的准确性和效率。通过配置 QnA 文件、采纳会话和调整阈值，用户可以持续完善企业知识库，使 Fay 数字人更好地服务于各种场景。